Long-term inequalities in breast cancer survival – a ten year follow-up study of patients managed within a National Health Care System (Sweden)
Notice bibliographique
Résumé
INTRODUCTION: Converging epidemiological evidence based on studies of different designs in a variety of populations and settings show that cancer survival tends to be poorer in low compared to high socioeconomic groups. In an extension of an earlier register-based study, we examined the influence of socioeconomic factors on long-term survival in women with a first diagnosis of invasive breast cancer in 1993 in Sweden, a country with a policy of providing equal access to health care to all at nominal cost within a National Health Care System. MATERIAL AND METHODS: The study was based on data set generated by record linkages between the Swedish Cancer Register, Census databases and the Cause of Death Register. Four different categorical variables were used as indicators of socioeconomic standing. Cox proportional hazard regression models were used to estimate the effects of socioeconomic status on risk of death. RESULTS: Of 4 645 eligible women with breast cancer, 1 016 had died from breast cancer at the end of follow-up on December 31, 2003. After adjustment for tumour size and age at diagnosis, risk of death was 19% lower among women belonging to a household of high compared to low socioeconomic status (HR high versus low 0.81; 95% CI: 0.67-0.97). DISCUSSION: These findings indicate that social inequalities in breast cancer survival persist at least up to ten years after an initial diagnosis. While social gradients detected shortly after diagnosis may mainly reflect an influence of socioeconomic differences in overall health status and frailty, differentials persisting beyond five years rather point to a long-term influence of disparities in management of both primary tumours and recurrences. Further studies are needed to explore whether the present findings reflect amendable inequalities in access to state-of-the-art treatment. For all calendar periods, observed survival in the most privileged groups sets the goal for what is achievable for all breast cancer patients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».